半监督鉴别特征抽取及人脸识别应用研究

当面对高维小样本情况，现有的基于少量已知类别数据样本的监督特征抽取方法和基于未知类别数据的非监督特征抽取方法会导致过拟合问题。近年来，半监督学习受到人们的普遍关注，成为机器学习和模式识别等领域的研究热点。尽管相当数量的研究报道表明，该方法优于传统的监督和非监督学习方法。但有关将半监督学习思想应用于鉴别特征抽取的研究报道较少。因此，如何将半监督学习应用于现有的监督和非监督特征抽取算法、揭示三者之间的内在联系、发掘半监督特征抽取方法的潜力，提高它在人脸识别应用中的鉴别能力，是一个有待深入研究的问题。该研究对于促进半监督学习方法本身的发展，及其在人脸识别方面的更为成功的应用，都具有重要的理论和实际意义。该项目研究的内容包括：研究建立半监督学习在特征抽取中的理论框架；理清监督、非监督和半监督特征抽取三者之间的联系；提出一系列有效的和快捷的面向分类的半监督特征抽取算法。